基于小波变换的MSK信号码速率盲估计

针对最小频移键控调制信号的码速率估计问题,提出一种基于Haar小波变换的MSK信号码速率盲估计方法。首先对接收信号作傅里叶变换得到信号频谱,对频谱频点分析粗估计信号的码速率,接着通过粗估计的码速率选取短时傅里叶变换窗函数长度和3个小波尺度,利用短时傅里叶变换得到信号瞬时频率变化,再利用小波的边缘检测特性对信号瞬时频率序列相位跳变点检测,最后对检测结果作频谱分析,估计频率得到MSK信号的码速率。仿真结果表明,高于信噪比门限时本算法可以对MSK信号码速率有效估计。     

基于小波变换和FFT的电能质量检测的研究

傅立叶变换可以精确确定出平稳波形中各次谐波的幅值;它只能检测基波和整数倍于基波的谐波,傅立叶变换算法存在着频谱泄漏和栅栏现象,从而使检测出谐波的幅值、相角和频率均存在较大的误差。小波变换可以准确确定发生突变的时刻,滤除干扰信号,但出现各次谐波频段混叠现象。故此文中采用基于小波变换和FFT相结合分析电能质量信号的方法。用小波变换检测电能质量信号的突发信号,对各次谐波混叠的信号采用FFT进行频谱分析,并进行了计算机仿真,取得了较满意的结果。     

基于循环平稳特征的频谱检测

频谱检测是实现认知无线电的前提。从认知无线电的核心功能出发,分析了循环平稳特征检测抗噪方面的性能以及影响其检测性能的主要因素,通过理论推导和仿真验证了噪声对检测性能的影响,提出了一种基于小波变换的频谱检测方案。该方案通过小波变换将接收到的信号进行主信号与噪声分离,并对信号进行重构,提高了频谱检测的性能。仿真结果表明,在低信噪比情况下,采用基于小波变换的频谱检测方法,无论是系统的频谱检测虚警率还是频谱检测漏检率都有了显著的降低。     

采用离散小波变换的认知无线电频谱能量检测

在认知无线电系统中,频谱检测是搜索空闲信道,避免对授权用户产生有害干扰的关键环节。本文提出了一种离散小波变换与时域能量检测相结合的频谱检测方法,对SU共享的宽带信道中的窄带PU信号进行预检测。首先对接收信号进行离散小波变换,获得能够反映信道频谱变化的细节小波系数,然后以该系数作为统计量,对其进行时域能量统计计算。该方法计算量较小,容易实现,可进行多分辨率分析,能够提高检测的灵敏度;不需要被检测信号的先验知识,适用于检测各种未知信号。仿真实验对无线麦克信号和地面无线数字电视信号进行了检测,验证了该方法的正确性。      

被动声纳信号检测技术研究

论文介绍了被动声纳工作原理及被动声纳信号的检测原理,分析了采用Chirp—z变换进行频谱细化的方法,并使用Matlab进行仿真。仿真结果表明,Chirp-z变换可使频谱细化,提高局部频段内的分辨能力。采用该算法对被动声纳检测线谱进行处理,使系统的整体检测性能有较大的提高。     

小波变换与傅立叶变换相结合的信号实例分析

文章采用离散小波变换与快速傅立叶变换相结合的方法,先对原始信号进行小波分解,再对各子带信号做快速傅立叶变换,从而得到各子带上时间信号的频谱。计算机仿真的实例分析表明,该方法将小波变换和傅立叶变换的优点结合了起来。     

多分辨重叠变换在扩频通信系统抗干扰中的应用

 本文利用多分辨重叠变换(HLT)把接收机信号映射到变换域进行抗干扰处理.与重叠变换(LT)不同,HLT对信号频谱的非均匀划分可以有效地把干扰能量集中在有限的变换域子带(Transform Bins)中,因此对抑制随机脉冲干扰非常有效.与小波变换(WT)相比,HLT对信号频谱的划分更加灵活.由于可以使用基于重叠变换的快速算法,在滤波性能相当的情况下,HLT比小波变换节省计算量.仿真结果表明,其于HLT的变换域处理方案可以有效地抑制非时变窄带干扰和时变宽带干扰,明显地改善系统性能.     

基于小波支持向量机的模拟电路故障诊断

在模拟电路故障诊断中,提出了利用小波分析与支持向量机结合的系统方法,利用小波变换对信号进行特征提取得到特征向量并作为支持向量机的训练向量,得到故障分类器。针对激励信号必须能够充分地激励电路的需求,提出一种通用激励信号——连续多抽样函数,利用抽样函数在带通区间内频谱分布均匀且能量相同这一特点作为模拟电路的通用激励信号。仿真结果表明,该激励条件下,利用小波-支持向量机能够较好地对模拟电路进行故障诊断。     

基于小波变换模极大值通信信号码元跳变检测

小波变换对信号的跳变点和奇异点有很好的检测能力,其应用相当广泛.数字信号在码元边界上由于幅度、频率或相位的变化而产生变化,利用小波变换的模极大值方法可以对数字通信信号的码元跳变点进行检测.计算机仿真结果表明,该方法对码元的跳变点检测具有很高的精确性.     

小波变换在符号率估计中的应用研究

小波变换具有局部显微特性,对信号的瞬时特性具有较强的捕获能力。文中介绍了Haar小波的基本原理,并从连续小波变换的定义出发,分析了PSK信号的小波域特征,对高斯白噪声中QPSK信号的小波变换进行了仿真实验。仿真结果表明,小波变换能够有效地检测并提取符号的跳变信息。     

联合提升小波和形态学的医学图像边缘检测

医学图像现已成为临床诊断、病理分析及治疗的重要依据和手段,医学图像边缘检测的好坏,会直接影响到后续的治疗过程.分析了基于小波变换和数学形态学的边缘检测算法的不足,提出了一种联合提升小波和形态学的医学图像边缘检测算法.首先对原始图像做提升小波变换,然后采用多方位形态学算子检测边缘,最后进行提升小波反变换.实验结果表明该方法能在有效地去除噪声的同时准确地检测出肺部病灶图像的边缘,是一种有效的医学图像边缘检测方法.     

基于提升小波和形态学融合的图像边缘检测

针对传统边缘检测方法边缘定位不精确的缺点,结合提升小波变换和数学形态学的优势,提出了一种融合提升小波和多尺度形态学的边缘检测方法.首先,对原始图像进行提升小波变换;再用小波变换和多尺度形态学算子分别对低频图像进行边缘检测,根据异或原则融合成低频边缘;然后,用小波变换检测高频图像边缘;最后,通过提升小波反变换得到边缘图像.实验结果表明,与传统或其他的形态学边缘检测方法相比,该算法在保持图像边缘清晰的同时,具有很强的边缘定位能力.     

基于全向小波和Hausdorff距离的边缘检测

针对传统小波变换对含噪图像边缘检测的不足,结合全向小波和Hausdorff距离的知识,提出了一种改进的边缘检测算法.首先,对图像做全向小波变换,同时做改进的灰度图形态学处理;然后在一定的窗口下求处理后图像间的Hausdorff距离,并将其大小作为图像边缘检测的像素值.最后将该算法与Sobel算法、Canny算法做比较,实验结果表明该方法提取的边缘清晰度优于其他方法,且可以很好地抑制噪声.     

小波变换在遥感图像处理中的应用

遥感图像处理对于航空、航天、军事侦察、灾害预报等许多军事和民用领域至关重要,本文针对遥感图像噪声大、边界不清楚等问题,提出了应用小波变换对遥感图像进行降噪和边缘检测处理的方法。然后详细介绍了基于小波变换的图像降噪和图像边缘检测原理,并对具体的遥感图像进行降噪和边缘检测处理,实验结果表明小波变换降噪结果优于中值滤波和均值滤波降噪结果,基于小波变换的边缘检测可有效地检测遥感灰度图像的边缘,其边缘检测结果优于Canny算子。     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

基于Cinny准则的B样条小波图像边缘检测

基于Canny准则,参照最佳边缘滤波器的设计要求,确定选择用于边缘检测的小波母函数的一般准则。并在此基础上构造出二次B样条小波,提出了基于小波变换的多尺度自适应阈值图像边缘检测的新方法。     

结合光谱和尺度特征的高分辨率图像边缘检测算法

高分辨率遥感图像具有高度细节化的多尺度表达能力,在有效表达地物边缘信息的同时,目标内部几何细节常以噪声的形式出现.提出将光谱相异性和小波变换相结合的边缘特征检测算法,克服了小波变换导致的边缘变形,并能够有效抑制噪声.根据光谱角原理定义归一化光谱相异性模型,并与二进小波变换结合,同时利用梯度方向余弦值对各个波段的梯度幅值加权,最后根据向量场模型计算多光谱图像的梯度幅值和梯度方向,细化后获取由细到粗的多层次边缘特征.实验结果与小波变换和传统检测算子的检测结果相比,表明该算法利用光谱相异性信息增强边缘响应强度,保证了所有尺度下获取的边缘轮廓不失真,边缘点定位准确;加权处理突出了多波段梯度主方向信息,也有效抑制了高分辨率图像上目标内部精细几何细节形成的噪声.     

小波变换在图像边缘检测中的应用

目前,被广泛使用的经典边缘检测算子有Sobel算子,Prewitt算子,Roberts算子,Log算子,Canny算子等等。这些算子的核心思想是图像的边缘点是相对应于图像灰度值梯度的局部极大值点。然而,当图像中含有噪声时这些算子对噪声都比较敏感,使得将噪声作为边缘点。由于噪声的干扰,不能检测出真正的边缘。一个拥有良好属性的的边缘检测算法是每个研究者的追求。利用小波交换的特点,设计了三次B样条平滑滤波算子。通过利用这个算子,对利用小波变换来检测图像的边缘进行了一定的研究和理解。     

用二次B样条小波进行图像的自适应阈值边缘检测

根据边缘检测的评价标准 ,参照最佳边缘滤波器的设计要求 ,确定选择用于边缘检测的小波母函数的一般准则 ,并在此基础上构造出二次B样条小波 ,提出了基于小波变换的自适应阈值图像边缘检测的新方法。通过计算机仿真对该算法进行了验证 ,结果明显好于采用固定阈值的小波边缘检测。     

一种基于二进小波变换的图像边缘检测方法

边缘检测是图像处理和计算机视觉领域最活跃的研究课题之一。传统边缘检测方法对噪声非常敏感,针对该问题在传统边缘检测算法分析的基础上,提出了一种基于二进小波变换的图像边缘检测方法。首先,对原图像进行二进小波分解,然后对低频子图像用直方图均衡化来进行增强,对增强后的低频子图像用二进小波变换模极大值点方法进行边缘检测得到边缘图像。实验结果表明,这种边缘检测方法明显优于对原图像直接使用传统边缘检测算子或二进小波变换模极大值点的边缘检测方法。